摘要：

报告人围绕晶体结构预测、机器学习及生成式人工智能等方法，发展功能性质驱动的材料逆向设计策略，通过在复杂材料空间中定向搜索具有目标性能的候选结构，提高新材料发现的效率与结构多样性。报告将介绍相关方法在多类功能材料中的应用，包括以光响应和相变特性为目标的光致结构相变材料设计、以高硬度为目标的超硬材料生成与筛选，以及面向高超导转变温度和低稳定压力的氢基高温超导材料设计。在材料发现基础上，进一步分析结构演化、电子结构与目标功能之间的内在关联，提炼具有可迁移性的结构特征与设计原则，为功能材料的逆向设计提供物理依据。

报告人简介：张云蔚，中山大学物理学院副教授，广东省“青年珠江学者”。2018年博士毕业于吉林大学超硬材料国家重点实验室，师从马琰铭院士。先后在新加坡科技设计大学、香港大学、英国剑桥大学从事计算凝聚态物理研究，担任剑桥大学Hughes Hall学院Research Fellow。近年来致力于利用第一性原理计算和机器学习进行功能材料性质研究和理论设计，发表论文Nature，Phys. Rev. X，J. Am. Chem. Soc.，Nat. Comm.等。其中Nat. Comm. 工作被评为该杂志年度Top 50 Physics Papers, 入选ESI高被引论文。荣获世界人工智能大会SAIL奖（大会最高奖）之青年论文奖、英国Faraday Institution’s Early Career Fellowship和剑桥大学Hughes Hall College Research Fellowship等学术奖励。

邀请人：任新国（82649603）